EmpirioLabs ejecuta más de 100 modelos de IA en una sola API, de todos los grandes laboratorios y de una larga lista de otros más recientes. Eso convierte a la plataforma en un punto de vista útil para una pregunta sencilla: con todo el campo disponible en un solo proyecto de ley y sin fijación, ¿qué modelos eligen realmente los desarrolladores?
Analizamos el uso real en toda la plataforma para averiguarlo. La respuesta es consistente y, en un aspecto, realmente sorprendente. Los desarrolladores están convergiendo hacia un pequeño conjunto de modelos rápidos y capaces de una nueva generación de laboratorios, y los eligen por mérito en lugar de buscar la marca más grande.
Una nota sobre el método: cada cifra que aparece a continuación se extrae del tráfico real agregado de la plataforma y se muestra en porcentaje. Cuando hablamos de preferencias, normalizamos el uso en función de cuántos modelos ofrece cada fabricante, de modo que las cifras reflejan lo que eligen los desarrolladores, no simplemente lo que queda en la estantería.
Con 100+ modelos para elegir, el uso se centra en unos pocos
El primer patrón en los datos es la concentración. Los desarrolladores tienen un enorme menú delante, pero no se extienden por él. De los modelos que realmente se utilizaron, los tres más populares representan el 40% de todas las solicitudes de idioma, y los diez primeros representan casi nueve de cada diez. La cola larga de los modelos existe y se usa en cierto modo, pero aporta una pequeña parte de trabajo real.
Esta concentración importa más de lo que parece a primera vista. Significa que un puñado de modelos están marcando silenciosamente la base de lo que los desarrolladores esperan en cuanto a calidad, velocidad y precio. Un nuevo modelo no compite contra todo el campo. Compite contra la lista corta de la lista, y si no puede superar a esos modelos en una tarea real, se queda en la cola independientemente de cómo se compara sobre el papel.
Los modelos más utilizados
Clasificado por cuota de uso de todo el idioma, ningún modelo se lo lleva con fuerza. Los modelos GLM de Z.ai, el MiniMax M3, el MiMo de Xiaomi y los modelos rápidos de DeepSeek se agrupan en la parte superior, cada uno ocupando una porción similar, mientras que el resto del catálogo completa una larga cola. Este es un grupo competitivo de élite más que un ganador dominante, lo cual es saludable: significa que los desarrolladores están comparando activamente opciones en lugar de optar por un único valor predeterminado.
El uso en bruto como este es solo una de las lentes de la cuestión. Te indica hacia dónde va el volumen de solicitudes, lo cual es útil, pero el volumen puede concentrarse en un puñado de usuarios intensivos y no revela hasta qué punto se adopta un modelo de forma generalizada. Para eso, miramos a continuación cuántos desarrolladores distintos eligen a cada fabricante, lo que es una visión más democrática de lo que la gente realmente elige.
Esto es cuestión de preferencia, no solo de disponibilidad
Es justo cuestionar un ranking de popularidad. Si un catálogo se inclina hacia cierta dirección, el uso tenderá a seguirlo, así que una lista de modelos populares puede reflejar simplemente lo que una plataforma decidió tener en stock. Para separar la preferencia genuina de la disponibilidad, comparamos la cuota de uso de cada fabricante con su cuota del catálogo.
La diferencia entre ambos es la señal real, y es llamativa. Z.ai representa una pequeña fracción de los modelos disponibles, pero aun así representa la mayor parte del uso. DeepSeek, Moonshot y Xiaomi reciben mucho más uso de lo que su presencia en el catálogo podría predecir. Al mismo tiempo, el fabricante con más modelos disponibles, Alibaba, solo tiene una cuota modesta de uso, y una gama bien surtida de Amazon apenas se ha tocado.
En otras palabras, los desarrolladores no están simplemente usando lo que se les pone delante. Están activamente buscando un conjunto específico de modelos y pasando por alto otros que son igualmente disponibles y, en algunos casos, mucho más numerosos. La disponibilidad no es destino. Una gran presencia en catálogos no se traduce en uso a menos que los modelos se lo consigan con trabajo real, y ese es el hallazgo con el que debería estar todo laboratorio de modelos.
Un pequeño grupo de laboratorios es responsable de la demanda
Esa visión más democrática, que cuenta cuántos desarrolladores eligen a cada fabricante como su valor predeterminado en lugar de contar el volumen bruto de solicitudes, concentra la demanda en una lista corta. Z.ai lidera con un claro margen, seguido de DeepSeek y Moonshot, con Alibaba, Xiaomi y MiniMax muy cerca. Todos los demás juntos son un pequeño resto.
Lo que une a los líderes no es un presupuesto de marketing ni un nombre conocido. Es la disposición a lanzar modelos fuertes y disponibles a un ritmo rápido. Los laboratorios que atraen la atención de los desarrolladores son, en su mayoría, los que lanzan modelos capaces que los equipos pueden inspeccionar, adaptar y ejecutar de forma económica, y están iterando lo suficientemente rápido como para mantenerse en la lista corta a medida que aumentan las expectativas.
La velocidad gana al tamaño
Existe la suposición común de que los desarrolladores optan por el modelo más grande e inteligente que pueden permitirse. Los datos de uso dicen lo contrario. Dividimos los modelos en dos grupos: variantes ligeras, es decir, las versiones Flash, Mini y Lite diseñadas para la velocidad y el bajo coste, y modelos de tamaño completo. La mayoría de las peticiones de lenguaje van a las variantes ligeras.
Esta es una respuesta racional a cómo funcionan las aplicaciones reales. La mayoría de las tareas de producción, como clasificación, extracción, enrutamiento, resumen y generación corta, no requieren un modelo frontera, y un modelo rápido y económico que responda en una fracción del tiempo es la mejor opción de ingeniería. Los modelos más grandes se reservan para los problemas realmente difíciles, no se alcanzan por defecto. Para los equipos que vigilan tanto sus presupuestos de latencia como sus facturas, ese instinto merece la pena confiar.
Más allá del texto: lo que generan los desarrolladores
El uso no es solo cuestión de lenguaje. En cuanto a la generación de medios, los patrones están tan concentrados como en el texto. La generación de imágenes se realiza casi por completo a través de un único modelo. El vídeo se divide principalmente entre Kling y Seedance. El trabajo de audio, notablemente, está dominado por la transcripción más que por la síntesis, lo que dice mucho sobre cómo los equipos usan los modelos de audio hoy en día: más para entender el sonido existente que para crear sonido nuevo.
La misma regla se aplica en todas las modalidades. Una lista corta de modelos hace la gran mayoría del trabajo, y el resto del grupo compite por lo que queda.
Qué significa esto si eliges un modelo
La lección práctica que se recurre a todo esto es elegir por tarea, no por marca. Los modelos más utilizados en la plataforma no son los más famosos. Son ellos quienes reciben una evaluación real en coste, rapidez y calidad para un trabajo específico. Algunos hábitos se derivan directamente de los datos:
- Empieza con un nivel rápido y ligero y solo sube si la tarea realmente necesita un modelo más grande. La mayoría de los trabajos no lo hacen.
- Evalúa seriamente los modelos de peso abierto. En el uso real no son una opción de compromiso, son la opción predeterminada para el trabajo de producción.
- No des por hecho que el nombre más grande del catálogo es el que mejor encaja. La disponibilidad y la calidad son cosas diferentes, y los datos de uso muestran que los desarrolladores las tratan así.
- Revisa tus valores por defecto con regularidad. Con la élite del campo tan competitiva, el mejor modelo para una tarea puede cambiar de un cuarto a otro.
La conclusión
La historia del uso real de la IA en 2026 es la convergencia y la elección. Los desarrolladores tienen más modelos disponibles que nunca y responden concentrándose en un pequeño conjunto de modelos rápidos y capaces de una nueva generación de laboratorios. Lo más importante es que eligen esos modelos por mérito, no por lo que una plataforma ofrece. La mayor presencia en el catálogo no gana. El mejor modelo para el trabajo lo hace, y cada vez más ese modelo es abierto, rápido y económico.
Puedes comparar todos los modelos, modalidades y precios en vivo a lo largo de todo el catálogo en el EmpirioLabs página de modelos.
Divulgación: Este artículo fue escrito con asistencia AI y revisado por EmpirioLabs AI.
